T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
64-son_1-to’plam_Iyun-2025
220
ISSN:3030-3613
PANDAS KUTUBXONASI YORDAMIDA JADVALLI MA’LUMOTLARNI
QAYTA ISHLASH USULLARI
Tojimamatov Israil Nurmamatovich
Fargʻona davlat unversiteti katta o‘qituvchisi
Komilova Zulxumor Xokimovna
Farg’ona davlat unversiteti o‘qituvchi,
Komilova Sharofatxon Azizbek Qizi
Fargʻona davlat unversiteti talabasi
ANOTATSIYA.
Ushbu maqolada Python dasturlash tilining eng ommabop
kutubxonalaridan biri hisoblangan Pandas kutubxonasi yordamida jadval
ko‘rinishidagi ma’lumotlar bilan ishlashning asosiy usullari yoritilgan. Tadqiqotda
Pandas'ning DataFrame va Series obyektlari, ma’lumotlarni yuklash, tozalash, filtrlash,
guruhlash, statistika olish va vizualizatsiya qilish imkoniyatlari misollar bilan ko‘rib
chiqilgan. Amaliy tahlillar orqali bu kutubxonaning ilmiy va sanoatdagi keng
qo‘llanilishi asoslab berilgan.
KALIT SO‘ZLAR:
Pandas, Python, DataFrame, jadval, ma’lumotlarni tahlil
qilish, vizualizatsiya, ma’lumotlar bilan ishlash
ANNOTATION.
This article explores the fundamental methods of working
with tabular data using Pandas, one of the most popular Python libraries. It focuses on
core functionalities such as DataFrame and Series objects, data loading, cleaning,
filtering, grouping, statistical analysis, and visualization. Practical analyses
demonstrate the library's wide application in scientific and industrial domains.
KEYWORDS:
Pandas, Python, DataFrame, table, data analysis, visualization,
data processing
АННОТАЦИЯ.
В данной статье рассматриваются основные методы
работы с табличными данными с использованием одной из самых популярных
библиотек Python — Pandas. Обсуждаются объекты DataFrame и Series, загрузка
данных, очистка, фильтрация, группировка, статистический анализ и
визуализация. Практические примеры показывают широкое применение Pandas
в науке и промышленности.
КЛЮЧЕВЫЕ СЛОВА:
Pandas, Python, DataFrame, таблица, анализ
данных, визуализация, обработка данных
KIRISH.
So‘nggi yillarda raqamli axborotlarning keskin ortishi bilan birga,
ma’lumotlar bilan samarali ishlash zaruriyati ham oshib bormoqda. Ayniqsa, jadval
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
64-son_1-to’plam_Iyun-2025
221
ISSN:3030-3613
ko‘rinishidagi ma’lumotlar (CSV, Excel, SQL, JSON) bugungi kundagi ilmiy
izlanishlar, iqtisodiy tahlillar va sun’iy intellekt loyihalarining ajralmas qismiga
aylangan. Bu borada Python dasturlash tilining Pandas kutubxonasi eng qulay va kuchli
vosita sifatida ajralib turadi.
Pandas 2008-yilda Wes McKinney tomonidan ishlab chiqilgan bo‘lib, hozirda
butun dunyo bo‘yicha millionlab dasturchilar, tahlilchilar va olimlar tomonidan
qo‘llaniladi. Maqolaning maqsadi — Pandas kutubxonasining imkoniyatlarini amaliy
misollar yordamida chuqur tahlil qilish va uni o‘rganishga ilmiy asos yaratish.
Pandas kutubxonasi statistik tahlil, ma’lumotlarni oldindan qayta ishlash
(preprocessing), vaqtli qatorlar (time series), moliyaviy hisobotlar va boshqa ko‘plab
tarmoqlarda keng qo‘llaniladi. Uning asosiy ustunliklaridan biri — NumPy
kutubxonasiga tayanib, vektorlashtirilgan hisob-kitoblarni amalga oshirishi bo‘lib, bu
esa katta hajmdagi ma’lumotlar ustida tez va samarali amallarni bajarishga imkon
beradi. Bundan tashqari, Pandas open-source (ochiq kodli) bo‘lgani sababli uni
o‘rganish, takomillashtirish va kengaytirish imkoniyati mavjud.
Ilmiy tadqiqotlar va sanoatdagi amaliyotlar shuni ko‘rsatmoqdaki, Pandas
quyidagi sohalarda asosiy vositalardan biri sifatida foydalaniladi:
Bioinformatika: Genom ma’lumotlarini tahlil qilish, DNK ketma-ketliklarini
CSV formatida boshqarish; Iqtisodiy va moliyaviy modellashtirish: Aktsiyalar bahosi,
valyuta kurslari, obligatsiyalar rentabelligi va statistik o‘zgarishlarni vaqt bo‘yicha
kuzatish; Sun’iy intellekt va mashinaviy o‘qitish (Machine Learning): ML modellari
uchun ma’lumotlarni tozalash, kodlash va tayyorlash (sklearn, TensorFlow bilan
birga); Ijtimoiy tarmoqlar tahlili: Twitter, Facebook, Telegram kabi platformalardan
olingan JSON va CSV ma’lumotlarini strukturaviy ko‘rinishda qayta ishlash; Sog‘liqni
saqlash sohasida: Elektron tibbiy yozuvlar (EMR), bemorlar kartotekasi va diagnostik
ma’lumotlarni tahlil qilish.
Pandas
kutubxonasining
ilmiy
ustunligi
nafaqat
uning
funksional
imkoniyatlarida, balki u orqali ma’lumotlar hayotiy siklini to‘liq boshqarish
imkoniyatida ham namoyon bo‘ladi. Bu sikl quyidagi bosqichlarni o‘z ichiga oladi:
Ma’lumotlarni yuklash (Data Ingestion) – CSV, Excel, SQL, JSON, Parquet
kabi formatlar; Tozalash va moslashtirish (Data Cleaning) – bo‘sh (NaN) qiymatlarni
to‘ldirish yoki olib tashlash; Transformatsiya (Transformation) – yangi ustunlar
yaratish, indekslash, normalizatsiya qilish; Tahlil (Exploratory Data Analysis) –
statistik ko‘rsatkichlar, guruhlash, pivot-jadvallar; Vizualizatsiya (Visualization) –
matplotlib, seaborn, plotly bilan integratsiya; Modelga uzatish (Model Input) – sklearn,
xgboost, keras kutubxonalariga tayyor formatda eksport qilish.
Shuningdek, Pandas yordamida real vaqtli ma’lumotlar oqimi bilan ishlash
(streaming data) va katta hajmdagi fayllarni parcha-parcha qilib o‘qish imkoniyati ham
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
64-son_1-to’plam_Iyun-2025
222
ISSN:3030-3613
mavjud. Misol uchun, chunksize parametri orqali bir necha gigabaytli CSV fayllarni
bosqichma-bosqich o‘qish va qayta ishlash mumkin.
Ilmiy maqolalarda ma’lumotlarni sifatli va chuqur tahlil qilishda Pandas orqali
data wrangling (ma’lumotni tartiblash va to‘g‘rilash) texnikalari juda muhim ahamiyat
kasb etadi. Ayniqsa, eksperimentlar va tadqiqot natijalari ko‘p ustunli, murakkab
tuzilmali bo‘lsa, Pandas bunday ma’lumotlarni modellashtirish, qiyoslash va
xulosalashda qulay imkoniyatlar taqdim etadi.
Shunday qilib, Pandas nafaqat dasturchilar balki statistiklar, iqtisodchilar,
biologlar, shuningdek, ijtimoiy fanlar vakillari uchun ham zarur vositaga aylanmoqda.
Uning boy API imkoniyatlari, soddaligi va kengaytiriluvchanligi zamonaviy ilm-fan
va texnologiya rivojida muhim o‘rin egallaydi.
Pandas'ning asosiy tushunchalari
Pandas ikkita asosiy ma’lumot strukturasi bilan ishlaydi:
Tushuncha
Tavsif
Series
Bitta o‘lchovli, indekslangan ma’lumotlar ketma-ketligi
DataFrame Ikki o‘lchovli, ustun va satrlardan iborat jadval
import pandas as pd
s = pd.Series([10, 20, 30])print(s)
df = pd.DataFrame({
'Ism': ['Ali', 'Vali', 'Gulbahor'],
'Yosh': [25, 30, 22]
})print(df)
Ma’lumotlarni yuklash
Pandas turli formatdagi fayllardan ma’lumot yuklashni qulay qiladi:
df = pd.read_csv('mahsulotlar.csv')
df_excel = pd.read_excel('jadval.xlsx')
Ma’lumotlarni tahlil qilish
# Birinchi 5 satrni ko‘rishprint(df.head())
# Ustunlar haqida ma’lumotprint(df.describe())
# Faqat ma’lum shartga mos satrlar
yoshlar = df[df['Yosh'] > 25]
Ma’lumotlarni tozalash
df.dropna(inplace=True) # NaN qiymatlarni olib tashlash
df.fillna(0, inplace=True) # Bo‘sh qiymatlarni 0 bilan to‘ldirish
Ma’lumotlarni guruhlash va yig‘ish
# Jinsi bo‘yicha o‘rtacha yoshprint(df.groupby('Jins')['Yosh'].mean())
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
64-son_1-to’plam_Iyun-2025
223
ISSN:3030-3613
Vizualizatsiya (matplotlib bilan)
import matplotlib.pyplot as plt
df['Yosh'].hist()
plt.title("Yoshlar taqsimoti")
plt.xlabel("Yosh")
plt.ylabel("Foydalanuvchilar soni")
plt.show()
Interaktiv g‘oya: Pandas + Plotly
import plotly.express as px
fig = px.bar(df, x='Ism', y='Yosh', title="Yoshlar taqqoslanishi")
fig.show()
Xulosa:
Pandas kutubxonasi — bu zamonaviy ma’lumotlar tahlili uchun muhim
vosita. U o‘zining soddaligi, kuchli funktsional imkoniyatlari va boshqa kutubxonalar
bilan integratsiyasi orqali analitik ishlarda muhim rol o‘ynaydi. Ushbu maqolada
Pandas’ning asosiy imkoniyatlari, ilmiy va real hayotdagi qo‘llanilishi misollar bilan
yoritildi. Kelajakda bu kutubxona sun’iy intellekt, mashinali o‘qitish va katta
ma’lumotlar (Big Data) bilan ishlashda ham muhim ahamiyat kasb etadi.
Foydalanilgan adabiyotlar ro‘yhati
1.
Celko, Joe. "SQL for Smarties: Advanced SQL Programming"
2.
Date, C.J. "An Introduction to Database Systems".
3.
Тожимаматов, И. Н. (2023). ЗАДАЧИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА
ДАННЫХ. PEDAGOG, 6(4), 514-516.
4.
Mamasidiqova, I., Husanova, O., Madaminova, A., & Tojimamatov, I. (2023). Data
Mining Texnalogiyalari Metodlari Va Bosqichlari Hamda Data Science
Jarayonlar. Центральноазиатский журнал образования и инноваций, 2(3 Part
2), 18-21.
5.
Tojimamatov, I. N., Olimov, A. F., Khaydarova, O. T., & Tojiboyev, M. M. (2023).
CREATING
A
DATA
SCIENCE
ROADMAP
AND
ANALYSIS. PEDAGOGICAL SCIENCES AND TEACHING METHODS, 2(23),
242-250.
6.
Tojimamatov, I. N., Topvoldiyeva, H., Karimova, N., & Inomova, G. (2023).
GRAFIK MA'LUMOTLAR BAZASI. Евразийский журнал технологий и
инноваций, 1(4), 75-84.
7.
Ne’matillayev, A. H., Abduqahhorov, I. I., & Tojimamatov, I. (2023). BIG DATA
TEXNOLOGIYALARI
VA
UNING
MUAMMOLARI. ОБРАЗОВАНИЕ
НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ, 19(1), 61-64.
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
64-son_1-to’plam_Iyun-2025
224
ISSN:3030-3613
8.
Tojimamatov, I., Usmonova, S., Muhammadmusayeva, M., & Xoldarova, S.
(2023).
DATA
MINING
MASALALARI
VA
ULARNING
YECHIMLARI. “TRENDS OF MODERN SCIENCE AND PRACTICE”, 1(2),
60-63.
9.
Nurmamatovich, T. I., & Azizjon o’g, N. A. Z. (2024). The SQL server language
and its structure. American Journal of Open University Education, 1(1), 11-15.
10.
Tojiddinov, A., Gulsumoy, N., Muntazam, H., & Tojimamatov, I. (2023). BIG
DATA. Journal of Integrated Education and Research, 2(3), 35-42.
11.
Tojimamatov, I. N., Asilbek, S., Abdumajid, S., & Mohidil, S. (2023, March).
KATTA HAJMDAGI MA’LUMOTLARDA HADOOP ARXITEKTURASI.
In INTERNATIONAL SCIENTIFIC AND
PRACTICAL CONFERENCE" THE
TIME OF SCIENTIFIC PROGRESS"
(Vol. 2, No. 4, pp. 78-88).
12.
Xakimjonov, O. U., Muhammadjonova, S. I., & Tojimamatov, I. N. (2023).
MA’LUMOTLARNI INTELEKTUAL TAHLIL QILISHDA DATA MINING
QO’LLASH.
Scientific progress
,
4
(3), 132-137.
13.
Nurmamatovich, T. I. (2024). FATOGRAFIK MA’LUMOTLAR BAZASI:
ASOSIY
TUSHUNCHALARI
VA
TASHKIL
QILISH
PRINSIPLARI.
INTERNATIONAL
JOURNAL
OF
INTEGRATED
SCIENCES
,
1
(1).
14.
Tojimamatov, I., Soliyeva, X., & Israilova, R. (2025). FAYL NOMLARINI
QISQARTIRISH
ALGORITMLARI. Академические
исследования
в
современной науке, 4(26), 45-52.
15.
Nurmamatovich, T. I. (2025). MONGODB DA BIG DATA BILAN ISHLASH
USULLARI. YANGI
O‘ZBEKISTON,
YANGI
TADQIQOTLAR
JURNALI, 2(8), 792-798.
16.
Nurmamatovich, T. I. (2025). MOBIL OPERATSION SISTEMALARNING
KELAJAGI. Лучшие интеллектуальные исследования, 44(5), 133-139.
17.
Nurmamatovich, T. I., & Umidjon o‘g, M. Z. S. (2025). BERILGANLAR
BAZASIDA HAYOTIY SIKL. Лучшие интеллектуальные исследования, 44(5),
169-178.
18.
Nurmamatovich, T. I., & Umidjon o‘g, M. Z. S. (2025). MASHINA KODLARI
BILAN ISHLASH. Лучшие интеллектуальные исследования, 44(5), 159-168.
19.
Nurmamatovich,
T.
I.
(2025).
BERILGANLAR
BAZASI
ADMINISTRATORI. Лучшие интеллектуальные исследования, 44(5), 276-
282.
20.
Tojimamatov, I. (2025). ADO-NET TEXNOLOGIYASI YORDAMIDA
HISOBOTLAR VA FORMALARNI SHAKLLANTIRISH. Академические
исследования в современной науке, 4(25), 122-126.
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
64-son_1-to’plam_Iyun-2025
225
ISSN:3030-3613
21.
Nurmamatovich, T. I. (2025). STATISTIKA SOHASIDA AXBOROT
TIZIMLARI
VA
TEXNOLOGIYALARINI
SINTAKSIS
TAXLIL
QILISH. Лучшие интеллектуальные исследования, 44(4), 157-166.
22.
Nurmamatovich, T. I. (2025). AXBOROTLARNI TAQDIM ETISH VA ULAR
BILAN ISHLASH. Лучшие интеллектуальные исследования, 44(4), 135-140.
23.
Tojimamatov, I., & Abduvaliyev, X. (2025). KO ‘P FOYDALANUVCHILI BBBT
ARXITEKTURASI. Инновационные исследования в науке, 4(5), 16-22.
24.
Tojimamatov, I., & Xolmurod o‘g, A. O. H. (2025, May). SQL SERVERDA
CHEKLASHLAR.
In CONFERENCE
OF
MODERN
SCIENCE
&
PEDAGOGY (Vol. 1, No. 1, pp. 409-413).
25.
Tojimamatov,
I.,
&
Abdulhafizov,
I.
(2025).
OBYEKTLAR
VA
ATRIBUTLAR. BRIDGING THE GAP: EDUCATION AND SCIENCE FOR A
SUSTAINABLE FUTURE, 1(1), 107-112.
26.
Tojimamatov, I. N., & Iminova, G. I. (2025). SEMANTIK OBEKT MODELI VA
KATTA MA'LUMOTLAR (BIG DATA). ОБРАЗОВАНИЕ И НАУКА В XXI
ВЕКЕ, (58-3).
